[发明专利]基于机器学习算法的资源分配方法

权利要求书

1.一种基于机器学习算法的资源分配方法，其特征在于，所述方法包括：

资源分配终端接收用户终端发送的资源获取请求，所述资源获取请求中携带用户标识；

所述资源分配终端根据所述用户标识确定所述用户的第一用户类型；所述第一用户类型包括首次访问用户或者非首次访问用户；

若所述用户为首次访问用户，则所述资源分配终端采用所述机器学习算法对历史首次访问用户的资源分配参数和资源分配时间进行学习，确定所述用户当前的第一资源分配参数；

若所述用户为非首次访问用户，则所述资源分配终端根据用户终端对资源分配者的资源消耗数值，确定所述用户的第二用户类型；其中，所述第二用户类型包括所述用户终端针对所述资源分配者的资源消耗数值满足预设阈值的增长性用户、或所述用户终端针对所述资源分配者的资源消耗数值不满足预设阈值的非增长性用户；

所述资源分配终端根据所述第二用户类型，采用机器学习算法对历史资源分配数据进行学习，确定所述用户当前的第二资源分配参数；

所述历史资源分配数据包括历史的资源分配参数、历史的资源分配时间和其他终端设备对资源分配者的资源消耗数值；所述资源分配参数表征资源的分配大小；

所述资源分配终端获取资源消耗对象的属性；

所述资源分配终端通过机器学习算法对所述资源消耗对象的属性和资源分配参数进行学习，确定新的资源分配参数；所述资源分配参数为所述第一资源分配参数或所述第二资源分配参数；

所述资源分配终端根据所述新的资源分配参数从预设的资源池中获取目标资源，并将所述目标资源分配给所述用户终端。

2.根据权利要求1所述的方法，其特征在于，所述第一资源分配参数使所述用户终端针对所述资源分配者的资源消耗数值满足第一预设条件。

3.根据权利要求2所述的方法，其特征在于，所述第一资源分配参数为所述历史资源分配数据中使所述用户终端针对所述资源分配者的资源消耗数值满足第一预设条件的最小资源分配参数。

4.根据权利要求1所述的方法，其特征在于，所述第二资源分配参数使所述用户终端针对所述资源分配者的资源消耗数值满足第二预设条件。

5.根据权利要求4所述的方法，其特征在于，若所述用户为增长性用户，则所述第二资源分配参数为所述历史资源分配数据中使所述用户终端针对所述资源分配者的资源消耗数值满足第二预设条件的最小资源分配参数。

6.根据权利要求4所述的方法，其特征在于，若所述用户为非增长性用户，则所述第二资源分配参数为所述历史资源分配数据中使所述用户终端针对所述资源分配者的资源消耗数值的波动误差满足第二预设条件的最小资源分配参数。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述资源分配终端根据所述用户标识确定所述用户的第一用户类型，包括：

所述资源分配终端根据检测到的所述用户标识的次数，确定所述用户的第一用户类型。

8.根据权利要求1-6任一项所述的方法，其特征在于，所述机器学习算法为粒子群算法。